Bayesian Model Comparison of $R_h=ct$ versus $\Lambda$CDM using HII galaxy Hubble diagram

논문 요약: HII 은하 허블 도표를 이용한 Rh = ct 와 ΛCDM 의 베이지안 모델 비교

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 최근 Wei 와 Melia (WM25) 는 HII 은하 (HIIGx) 와 거대 은하간 HII 영역 (GEHR) 을 표준 촉광 (standard candles) 으로 사용하여 우주의 팽창 역사를 분석하고, $R_h = ct$ 우주론과 평탄한 $\Lambda$CDM 및 $w$CDM 모델을 비교했습니다. WM25 는 베이지안 정보 기준 (BIC) 을 사용하여 $R_h = ct$가 $\Lambda$CDM 과 $w$CDM 보다 우세하다고 결론지었습니다.
• 문제점:
  1. WM25 의 분석은 관측 데이터의 내재적 산란 (intrinsic scatter) 을 고려하지 않았을 때 $R_h = ct$를 강력하게 지지했으나, 내재적 산란을 추가한 후 분석에서는 $\Lambda$CDM 과 동등한 지지를 받았습니다.
  2. WM25 는 BIC 를 사용했는데, 이는 최적 적합도 (best-fit) 값에 의존하며 데이터가 독립적이고 동일하게 분포되었다는 가정을 포함합니다.
  3. 본 연구는 WM25 의 결과를 검증하고, 보다 강건한 **베이지안 모델 비교 (Bayesian Model Comparison)**를 통해 $R_h = ct$와 $\Lambda$CDM/$w$CDM 중 어떤 모델이 데이터를 더 잘 설명하는지 재평가하고자 합니다.

2. 방법론 (Methodology)

• 데이터셋: WM25 에서 사용된 것과 동일한 231 개의 소스 (36 개의 GEHR, 181 개의 HIIGx, 14 개의 신규 HIIGx) 를 사용했습니다. 적색편이 범위는 $z \approx 0$부터 $z \approx 7.5$까지입니다.
• 통계적 접근:
  • 우도 함수 (Likelihood): HIIGx 샘플과 앵커 (anchor) 샘플에 대한 우도 함수를 구성하여 전체 우도 ($L_{tot}$) 를 계산했습니다.
  • 모델: 비교 대상은 평탄한 $\Lambda$CDM, $w$CDM, 그리고 $R_h = ct$ 모델입니다.
  • 베이지안 증거 (Bayesian Evidence) 및 베이즈 인자 (Bayes Factor): 최적 적합도 값이 아닌, 사전 분포 (prior) 전체에 걸친 우도의 적분값인 '증거 (Evidence, $Z$)'를 계산하여 모델의 확률적 우위를 판단했습니다.
    • $B_{21} = \frac{Z(M_2)}{Z(M_1)}$를 계산하여 $R_h = ct$가 다른 모델에 비해 얼마나 선호되는지 평가했습니다.
  • 사전 분포 (Priors) 설정: 두 가지 다른 사전 분포 세트를 사용하여 분석의 민감도를 테스트했습니다.
    1. 균일 사전 분포 (Uniform Priors): $H_0 \in [60, 110]$, $\Omega_m \in [0, 1]$, $w_{de} \in [-3, 0]$. (모델 중립적 접근)
    2. 정규 사전 분포 (Normal/Gaussian Priors): 플랑크 (Planck 2020) 우주론에서 도출된 값 기반 ($H_0 \in N(67.4, 0.5)$, $\Omega_m \in N(0.315, 0.007)$).
  • 내재적 산란 (Intrinsic Scatter): 관측 데이터의 불확실성을 반영하기 위해 상관관계에 추가적인 내재적 산란 ($\sigma_{int}$) 파라미터를 포함하여 분석을 반복했습니다.
  • 계산 도구: 중첩 샘플링 (nested sampling) 알고리즘인 dynesty 를 사용하여 베이지안 증거와 베이즈 인자를 계산했습니다.

3. 주요 결과 (Key Results)

분석 결과는 사용된 사전 분포의 종류에 따라 극명하게 달라졌습니다.

• 균일 사전 분포 (Uniform Priors) 사용 시:

  • 내재적 산란 유무와 관계없이, $R_h = ct$와 $\Lambda$CDM/$w$CDM 간의 베이즈 인자는 1 에 매우 근사했습니다.
  • 의미: 제프리스 척도 (Jeffreys' scale) 에 따르면, 이는 두 모델이 데이터를 설명하는 데 있어 **동등하게 선호됨 (equally favored)**을 의미합니다. WM25 의 BIC 기반 결론 ($R_h = ct$ 우세) 과는 상반됩니다.

• 정규 사전 분포 (Normal Priors, Planck 기반) 사용 시:

  • 내재적 산란 없음: $R_h = ct$는 $\Lambda$CDM 에 대해 베이즈 인자 $\approx 50$ ("매우 강력한 증거"), $w$CDM 에 대해 $\approx 6$ ("상당한 증거") 을 보였습니다.
  • 내재적 산란 포함: $R_h = ct$는 $\Lambda$CDM 에 대해 베이즈 인자 $\approx 18.6$ ("강력한 증거"), $w$CDM 에 대해 $\approx 2.5$ ("거의 언급할 가치가 없음") 를 보였습니다.
  • 의미: 플랑크 우주론의 매개변수를 사전 정보로 사용할 때 $R_h = ct$가 선호되는 것처럼 보이지만, 이는 HII 은하 데이터 자체의 결정적 차별력이 아니라 **플랑크 매개변수와 HII 은하 기반 제약 조건 간의 긴장 (tension)**에 기인한 것입니다.

• BIC 재분석 (Appendix A):

  • 본 연구팀이 BIC 를 재계산한 결과, 내재적 산란을 고려하지 않더라도 평탄한 $\Lambda$CDM 이 $R_h = ct$보다 더 작은 BIC 값을 가짐을 발견했습니다 ($\Delta BIC \approx 1$). 이는 WM25 의 원래 BIC 결과 ($\Delta BIC \approx 5$, $R_h = ct$ 우세) 와 상반되며, 최적 적합도 파라미터의 미세한 차이에서 기인한 것으로 보입니다.

4. 주요 기여 및 결론 (Contributions & Conclusions)

• 모델 비교 방법론의 정교화: 기존 BIC 기반 분석이 가질 수 있는 한계를 지적하고, 사전 분포에 대한 민감도를 고려한 보다 강건한 베이지안 모델 비교를 수행했습니다.
• WM25 결과의 재해석: WM25 가 보고한 $R_h = ct$의 강력한 우세는 주로 사용된 정보 기준 (BIC) 과 사전 분포 선택의 결과물일 가능성이 높음을 보였습니다. 균일한 사전 분포 (모델 중립적) 를 사용할 경우, $R_h = ct$는 $\Lambda$CDM 과 통계적으로 구별되지 않습니다.
• 플랑크 데이터와의 불일치: $R_h = ct$가 선호되는 것처럼 보이는 결과는 HII 은하 데이터가 플랑크 우주론의 매개변수 ($H_0, \Omega_m$) 와 불일치 (tension) 할 때 발생하며, 이는 $R_h = ct$ 모델 자체의 우수성보다는 데이터 간의 불일치를 반영하는 것일 수 있습니다.
• 결론: HII 은하 허블 도표만으로는 $R_h = ct$와 $\Lambda$CDM 을 결정적으로 구별할 수 없으며, 균일한 사전 분포 하에서는 두 모델이 동등하게 지지받습니다. 따라서 $R_h = ct$의 유효성을 검증하기 위해서는 CMB, BAO, Ia 형 초신성 등 추가적인 관측 프로브가 필요합니다.

5. 의의 (Significance)

이 연구는 우주론적 모델 비교에서 사전 분포 (Prior) 의 선택이 결론에 얼마나 큰 영향을 미치는지를 명확히 보여줍니다. 특히, 특정 우주론 모델 (예: $\Lambda$CDM) 에 기반한 사전 정보를 사용할 때 다른 모델 ($R_h = ct$) 이 우세한 것처럼 잘못 해석될 수 있음을 경고합니다. 또한, BIC 와 같은 정보 이론적 기준과 베이지안 증거 간의 불일치를 해소하고, 관측 데이터의 내재적 산란을 고려한 보다 정확한 모델 평가를 제시했다는 점에서 중요한 의의를 가집니다.